論文の概要: Not All Experience Belongs in the Weights: Component Routing for Self-Improving GUI Agents

• arxiv url: http://arxiv.org/abs/2610.01787v1
• Date: Thu, 01 Oct 2026 14:34:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.195052
• Title: Not All Experience Belongs in the Weights: Component Routing for Self-Improving GUI Agents
• Title（参考訳）: 軽量化におけるすべてのエクスペリエンス - GUIエージェントの自己改善のためのコンポーネントルーティング
• Abstract要約: 自己改善型GUIエージェントは、微調整やプロンプトへの検索によって、生成した軌跡を保持し、エージェントに返却する。 軌道束は異なる性質を持つアイテムをバンドルするので、バンドルに関する結論はその混合に依存する。 この問題に対処するために、我々はコンポーネントルーティングを導入し、各コンポーネントを3つのバックボーンファミリー、2つの環境、3つのシードで同じアイテムと比較し、ロケータ、プロシー、事実、教訓に分割し、コンテキストや重みに送信する。
• 参考スコア（独自算出の注目度）: 6.793389156312514
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Self-improving GUI agents keep the trajectories they produce and return them to the agent, by fine-tuning or by retrieval into the prompt, and studies that compare the two destinations disagree. We attribute this to the unit of experience: a trajectory bundles items with different properties, so a conclusion about the bundle depends on its mix. To address this, (i) we introduce component routing, which splits the experience into locators, procedures, state facts and lessons and sends each component to the context or to the weights, compared on the same items across three backbone families, two environments and three seeds. One pool has two destinations: locators and lessons win in the weights, procedures and state facts in the context. (ii) We fit a rule in two properties measured before any training, recurrence and state-conditionality; it recovers the destination of a held-out backbone family in 24 of 24 cells, two interventions move a component toward the boundary, and routing by the rule beats every whole-trajectory baseline and, by +3.5 points on average, the better single destination of each backbone. (iii) We identify how training and producer-consumer differences change the value of the two destinations: note readout decreases after the same component is written into the weights, most for the items that recur most, context gains increase with the information gap, and weights gains decrease with the policy gap. Code and data will be released.
• Abstract（参考訳）: 自己改善GUIエージェントは、それらが生成した軌跡を保持し、それらをエージェントに、微調整やプロンプトへの検索によって返却する。 軌道束は異なる性質を持つアイテムをバンドルするので、バンドルに関する結論はその混合に依存する。 この問題に対処する。 i)3つのバックボーンファミリー,2つの環境,3つのシードに対して,経験をロケータ,プロシージャ,状態事実,レッスンに分割し,各コンポーネントをコンテキストや重みに送信するコンポーネントルーティングを導入する。 1つのプールには2つの目的地がある:ロケータとレッスンは、コンテキスト内の重み、手順、および状態事実で勝利する。 (II)24細胞のうち24細胞のうち、保持されたバックボーンファミリーの宛先を回復し、2つの介入が境界に向かってコンポーネントを移動させ、ルールによるルーティングがすべての軌道ベースラインを上回り、平均+3.5ポイントは各バックボーンのより優れた単一宛先である。 (3) トレーニングと生産者・消費者の差異が両目的地の価値をどのように変化させるかを明らかにする: メモの読み出しは、同じ部品が書き込まれた後に減るが、ほとんどの場合、最も再帰する項目は、情報ギャップによって文脈が増加し、重みは政策ギャップによって減少する。 コードとデータはリリースされます。

関連論文リスト

• What Should Data Teach? Moving Bottlenecks Across Circuit, Store, and Use [18.3334052811574]
  サーキットビューでは、計算の作成、必要なコンテンツの提供、利用可能なルートの選択という、3つの異なるボトルネックが明らかにされている。 350Mモデルの連続実験は、3つの介入を同じ事実に結びつける。
  論文  参考訳（メタデータ） (2026-09-26T22:40:36Z)
• Self-Confirming Superposition Traps in Reinforcement Learning [62.71685993550818]
  強化学習はエージェントのポリシーによって選択されたデータに基づいて表現し、その結果のリターンを使って次の選択を導く。 これらのデータに対して表現フィッティングがグローバルに最適である場合でも,このループは低リターンポリシーを維持可能であることを示す。
  論文  参考訳（メタデータ） (2026-09-26T21:56:26Z)
• Steerable and Reactive Grasping Through Modular Design with a Three-Point Interface [13.950337217213068]
  有害な把握には、どこでつかむかを決め、ターゲットに到達し、安定した接触を維持する必要がある。 局所的な接触制御からグローバルな幾何学的推論を分離する,コンパクトな3点インタフェースにより,これらのステージを接続する。 モデルベースのリアクティブコントローラは、オブジェクトを追跡し、衝突を回避し、選択した接触に向かって手を導く。
  論文  参考訳（メタデータ） (2026-09-21T17:02:03Z)
• Every Component is a Lookup: Token Attribution and Composition from a Single Decomposition [1.3290717106567922]
  We exploit a shared key-value template $(S)U$ to developing Unpack, a backward recursion that decomposes credit through both sublayers。 GPT-2では、Wang et al. (2023) によって記述された3つの合成接続をすべて復元し、各接続のモード固有のルーティングを含む。 160Mから6.9Bまでのピキア族全体において、この抑制パターンはあらゆるスケールで一貫して回復される。
  論文  参考訳（メタデータ） (2026-05-22T09:03:01Z)
• MatchTIR: Fine-Grained Supervision for Tool-Integrated Reasoning via Bipartite Matching [60.886768806064936]
  Tool-Integrated Reasoningは、外部ツールのインタラクションと推論ステップをインターリーブすることで、大規模な言語モデルで複雑なタスクに対処することを可能にする。 既存の強化学習法は、結果や軌道レベルの報酬に依存し、軌道内のすべてのステップに一様の利点を割り当てる。 両部間マッチングに基づくターンレベルの報酬割当と二重レベルの優位性推定によるきめ細かい監視を実現するフレームワークであるMatchTIRを提案する。
  論文  参考訳（メタデータ） (2026-01-15T18:59:23Z)
• SegVG: Transferring Object Bounding Box to Segmentation for Visual Grounding [56.079013202051094]
  ボックスレベルのアノテーションを信号として転送する新しい手法であるSegVGを提案する。 このアプローチでは,ボックスレベルのレグレッションとピクセルレベルのセグメンテーションの両方の信号としてアノテーションを反復的に利用することができる。
  論文  参考訳（メタデータ） (2024-07-03T15:30:45Z)
• AutoAssign: Differentiable Label Assignment for Dense Object Detection [94.24431503373884]
  Auto COCOは、物体検出のためのアンカーフリー検出器である。 外観認識は、完全に微分可能な重み付け機構によって実現される。 我々の最良のモデルでは52.1%のAPが達成され、既存の1段検出器よりも優れている。
  論文  参考訳（メタデータ） (2020-07-07T14:32:21Z)
• FineGym: A Hierarchical Video Dataset for Fine-grained Action Understanding [118.32912239230272]
  FineGymは体操ビデオの上に構築された新しいアクション認識データセットだ。 アクションレベルとサブアクションレベルの両方で3レベルのセマンティック階層を持つテンポラリアノテーションを提供する。 この新たな粒度レベルは、行動認識に重大な課題をもたらす。
  論文  参考訳（メタデータ） (2020-04-14T17:55:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。